[发明专利]基于混沌支持向量机优化的小波加权多模盲均衡方法

摘要

本发明公布了一种基于混沌支持向量机优化的小波加权多模盲均衡方法，包括如下步骤：将复信源发射信号经过脉冲响应信道得到信道输出向量；采用信道噪声和信道输出向量之和风细雨得到正交小波变换器的输入信号；将均衡器的输入信号经过正交小波变换得到均衡器的输入信号；将均衡器的输入信号经过均衡器得到均衡器的输出信号；将均衡器的输出信号经过判决器后通过加权多模盲均衡方法更新均衡器权向量。本发明利用支持向量机对小波加权多模盲均衡方法的权向量进行初始化，可以提高收敛速度并避免陷入局部极小值点，将支持向量机的参数选取看作参数的组合优化，建立组合优化目标函数，通过混沌优化来搜索最优的目标函数值，提高支持向量机的拟合能力。

主权项

1.一种基于混沌支持向量机优化的小波加权多模盲均衡方法，包括如下步骤：a.)将复信源发射信号a(n)经过脉冲响应信道得到信道输出向量x(n)，其中n为时间序列，下同；b.)采用信道噪声w(n)和步骤a所述的信道输出向量x(n)得到正交小波变换器(WT)的输入信号：y(n)＝x(n)+w(n)；c.)将步骤b所述的均衡器的输入信号y(n)经过正交小波变换得到均衡器的输入信号R(n)；d.)将步骤c所述的均衡器的输入信号R(n)经过均衡器得到均衡器的输出信号z(n)＝f^T(n)R(n)，f(n)为均衡器的权向量，上标T表示转置；其特征在于：将步骤d所述的均衡器的输出信号z(n)经过判决器后通过加权多模盲均衡方法更新均衡器权向量：f(n+1)=f(n)-μR^-1(n)[eRe,WMMA(n)+j·eIm,WMMA(n)]R*(n)---(1)]]>式中，μ为步长因子，Re表示实部，Im表示虚部，e_Re，WMMA(n)、e_Im，WMMA(n)分别表示为均衡器输出误差e_WMMA(n)的实部和虚部，R^-1(n)=diagσl,02(n),σl,12(n),Lσl,kL2(n),σL+1,02(n),LσL+1,kL2(n)]]>为正交小波功率归一化矩阵。其中，diag[  ]表示对角矩阵，和分别表示对小波系数r_l，k和尺度系数s_L，k的平均功率估计，r_l，k(n)表示小波空间l层分解的第k个信号，s_l，k(n)表示尺度空间中最大分解层数L时的第k个信号，可由下式递推得到：σl,k2(n+1)=βσl,k2(n)+(1-β)|rl,k(n)|2σL+1,k2(n+1)=βσL,k2(n)+(1-β)|sL,k(n)|2---(2)]]>式中，β为平滑因子，且0＜β＜1；在加权多模盲均衡方法中，其代价函数为：JWMMA=E{zRe2(n)-|z^Re(n)|λReRλRe22+zIm2(n)-|z^Im(n)|λImRλIm22}---(3)]]>式中，加权因子λ_Re、λ_Im∈[0，2]，RλRe2=E[aRe4(n)]/E[|aRe(n)|2+λRe],]]>RλIm2=E[aIm4(n)]/E[|aIm(n)|2+λIm],]]>其中a_Re(n)、a_Im(n)分别是信源发射信号a(n)的实部和虚部；是判决符号的实部和虚部，z_Re(n)、z_Im(n)分别表示均衡器输出信号z(n)的实部和虚部，加权多模盲均衡器的误差函数为：eRe,WMMA(n)=zRe(n)zRe2(n)-|z^Re(n)|λReRλRe2eIm,WMMA(n)=zIm(n)zIm2(n)-|z^Im(n)|λImRλIm2---(4)]]>